Sommaire

Numérisation des signaux analogiques

Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

Numérisation et échantillonnage

S. ROGNERUD

MP2

S. ROGNERUD Numérisation et échantillonnage

 Sommaire
Numérisation des signaux analogiques
Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

S. ROGNERUD Numérisation et échantillonnage

 Sommaire
Numérisation des signaux analogiques
Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

1 Numérisation des signaux analogiques

Principe de la numérisation
Paramètres de la numérisation

2 Echantillonnage temporel

3 Echantillonnage fréquentiel
Influence de la fréquence d’échantillonnage
Repliement de spectre
Cas d’un signal périodique
Influence du nombre de points

4 Bilan

S. ROGNERUD Numérisation et échantillonnage

 Sommaire
Numérisation des signaux analogiques
Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

I.1 Principe

Numérisation
La plupart des signaux physiques à traiter ou à transmettre sont
analogiques, représentés par des fonctions continues du temps.
Depuis quelques décennies, on assiste à la numérisation de
nombreux signaux pour le stockage ou la transmission : disque
vinyle → CD, DVD, fichiers mp3 ; télévision hertzienne → TNT.

Intérêt
La numérisation des signaux permet d’augmenter la quantité
d’informations stockées ou transmises et la qualité de la
transmission. Il est également aisé d’effectuer des opérations sur les
signaux numériques (moyenne, addition, multiplication, filtrage)
alors que ces mêmes opérations sont réalisées sur les signaux
analogiques à l’aide de composants électroniques.
S. ROGNERUD Numérisation et échantillonnage
 Sommaire
Numérisation des signaux analogiques
Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

I.1 Principe

Echantillonnage
Soit un signal analogique s(t), fonction continue du temps. On
discrétise le signal en collectant les valeurs successives de s à
intervalles réguliers Te . Te est appelé période
d’échantillonnage.

S. ROGNERUD Numérisation et échantillonnage

 Sommaire
Numérisation des signaux analogiques
Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

I.2 Paramètres de la numérisation

Paramètres de l’échantillonnage
Trois paramètres de la numérisation sont très importants :
1
• fe = Te appelé fréquence d’échantillonnage.
• N, le nombre total d’échantillons.
N−1
• T0 = (N − 1) × Te = fe , la durée totale de l’enregistrement.
La conversion analogique-numérique (CAN) consiste donc à
remplacer un signal continu du temps par la donnée de N valeurs
discrètes tel que ∀t ∈ [0, T0 [, s(t) est remplacé par
k ∈ {0, N − 1}, s[k] = s(k × Te ).

S. ROGNERUD Numérisation et échantillonnage

 Sommaire
Numérisation des signaux analogiques
Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

Echantillonnage temporel

Principe
Lors d’un échantillonnage temporel, on se fixe la durée totale T0
de manière à observer plusieurs périodes du signal analogique s(t).
Le choix de la fréquence d’échantillonnage est alors très important
pour obtenir un signal numérique fidèle au signal analogique.
Regardons l’influence de fe sur un signal analogique sinusoı̈dal de
fréquence fs = 100 Hz pour une durée totale T0 fixée. On a pris
successivement fe = 1700 Hz, 200 Hz et 130 Hz.

S. ROGNERUD Numérisation et échantillonnage

 Sommaire
Numérisation des signaux analogiques
Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

Echantillonnage temporel
Résultats
Pour une fréquence fe >> fs , les échantillons reproduisent
fidèlement le signal. Le coût à payer étant la quantité de données à
traiter car la durée totale T0 est fixée.

S. ROGNERUD Numérisation et échantillonnage

 Sommaire
Numérisation des signaux analogiques
Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

Echantillonnage temporel
Résultats
fe = 2fs correspond à la valeur limite permettant de préserver
l’information sur la fréquence du signal fs .

S. ROGNERUD Numérisation et échantillonnage

 Sommaire
Numérisation des signaux analogiques
Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

Echantillonnage temporel
Résultats
Pour fe < 2fs , l’information contenue dans les échantillons ne
permet pas de remonter au signal analogique.

S. ROGNERUD Numérisation et échantillonnage

 Sommaire
Numérisation des signaux analogiques
Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

Critère de Shannon

Critère de Shannon
• Pour numériser correctement un signal sinusoı̈dal de fréquence
f , il faut que la fréquence d’échantillonnage vérifie fe ≥ 2f .
• Pour numériser correctement un signal périodique de
fréquence f , il faut que la fréquence d’échantillonnage vérifie
fe ≥ 2fmax où fmax correspond à la fréquence la plus haute
dans la décomposition en série de Fourier du signal à étudier.

S. ROGNERUD Numérisation et échantillonnage

 Sommaire
Numérisation des signaux analogiques
Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

Application

Application
Dans chacun des cas, déterminer la fréquence d’échantillonnage
minimale permettant de numériser le signal analogique.

S. ROGNERUD Numérisation et échantillonnage

 Sommaire
Numérisation des signaux analogiques
Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

Application

Application
Dans chacun des cas, déterminer la fréquence d’échantillonnage
minimale permettant de numériser le signal analogique.

S. ROGNERUD Numérisation et échantillonnage

 Sommaire
Numérisation des signaux analogiques
Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

III.1 Influence de la fréquence d’échantillonnage

FFT
Très souvent, on effectue l’analyse spectrale d’un signal analogique
à l’aide d’un oscilloscope ou d’un logiciel de calcul numérique de
type Latis-Pro. Ceux-ci permettent d’obtenir le spectre en
effectuant une transformée de Fourier discrète appelée FFT (Fast
Fourier Transform). Dans cette situation, on joue sur la fréquence
d’échantillonnage fe et sur le nombre de points N pour obtenir un
spectre fidèle au signal analogique.

Intervalle de spectre
On admettra que les composantes spectrales d’intérêt du signal
appartiennent à l’intervalle [0; f2e ].

S. ROGNERUD Numérisation et échantillonnage

 Sommaire
Numérisation des signaux analogiques
Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

III.1 Influence de la fréquence d’échantillonnage

Exemples
On fixe le nombre de points N et on joue sur la fréquence
d’échantillonnage fe . On s’intéresse au signal s(t) = 8 cos(2πft)
avec f = 30 Hz et on prend deux fréquences d’échantillonnage.

Spectre pour fe = 100 Hz Résultat

Spectre fidèle au signal.
Critère de Shannon
fe > 2fmax respecté.

S. ROGNERUD Numérisation et échantillonnage

 Sommaire
Numérisation des signaux analogiques
Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

III.1 Influence de la fréquence d’échantillonnage

Spectre pour fe = 30 Hz Résultat

Spectre non fidèle au
signal avec fréquence
”fantôme” à 10 Hz.
Critère de Shannon
fe > 2fmax non respecté.
C’est un phénomène de
repliement de spectre.

S. ROGNERUD Numérisation et échantillonnage

 Sommaire
Numérisation des signaux analogiques
Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

III.2 Repliement de spectre

Repliement
Lorsqu’on ne respecte pas le critère de Shannon, on observe
l’apparition d’un repliement de spectre. Il apparaı̂t alors dans
le spectre une fréquence fantôme f 0 = fe − f ne
correspondant pas du tout au signal analogique.

S. ROGNERUD Numérisation et échantillonnage

 Sommaire
Numérisation des signaux analogiques
Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

III.2 Repliement de spectre

Exemple Résultat
Le signal bleu correspond au
signal analogique
s(t) = 8 cos(2πft) avec
f = 30Hz. Les points rouges
correspondent à l’échantillonnage
du signal analogique avec
fe = 40Hz. On s’aperçoit que le
signal s(t) = 8 cos(2πf 0 t) avec
f 0 = fe − f = 10Hz passe bien
par tous les échantillons d’où la
fréquence fantôme f 0 = 10Hz
dans le spectre.
S. ROGNERUD Numérisation et échantillonnage
 Sommaire
Numérisation des signaux analogiques
Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

III.2 Repliement de spectre

Remarque importante
On insiste bien sur le fait que la partie utile du spectre appartient à
l’intervalle [0; fe2 ]. En réalité, lors du calcul du spectre par FFT,
même si le critère de Shannon est respecté, on trouve des
fréquences ne correspondant pas au signal d’entrée mais qui sont
dans l’intervalle [ f2e ; fe ] car fe − f > f2e si le critère de Shannon est
respecté. On sera donc vigilant sur l’intervalle de fréquence sur
lequel on travaille.

S. ROGNERUD Numérisation et échantillonnage

 Sommaire
Numérisation des signaux analogiques
Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

III.2 Repliement de spectre

Exemple1 Exemple1

S. ROGNERUD Numérisation et échantillonnage

 Sommaire
Numérisation des signaux analogiques
Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

III.3 Signal périodique

Signal périodique
Dans le cas d’un signal périodique comportant plusieurs
fréquences, il faut être vigilant car toutes les composantes ne sont
pas forcément repliées. Le critère de Shannon s’écrit fe ≥ 2fmax où
fmax correspond à la fréquence maximale du signal, donc la
fréquence de la dernière harmonique du signal périodique.

S. ROGNERUD Numérisation et échantillonnage

 Sommaire
Numérisation des signaux analogiques
Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

III.3 Signal périodique

Exemple
Exemple de s(t) = 2 cos(2π20t) + 3 cos(2π40t) + 5 cos(2π60t)
avec trois fréquences d’échantillonnage différentes.

Spectre pour fe = 200 Hz Résultat

Spectre fidèle au signal.
Critère de Shannon
fe > 2fmax respecté.

S. ROGNERUD Numérisation et échantillonnage

 Sommaire
Numérisation des signaux analogiques
Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

III.3 Signal périodique

Exemple
Exemple de s(t) = 2 cos(2π20t) + 3 cos(2π40t) + 5 cos(2π60t)
avec trois fréquences d’échantillonnage différentes.

Spectre pour fe = 90 Hz Résultat

Spectre non fidèle au
signal. Seule la fréquence
f3 = 60 Hz est repliée en
fe − f3 = 30 Hz car
fe < 2f3 mais fe > 2f2 .

S. ROGNERUD Numérisation et échantillonnage

 Sommaire
Numérisation des signaux analogiques
Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

III.3 Signal périodique

Exemple
Exemple de s(t) = 2 cos(2π20t) + 3 cos(2π40t) + 5 cos(2π60t)
avec trois fréquences d’échantillonnage différentes.

Spectre pour fe = 70 Hz Résultat

Spectre non fidèle au
signal. Les fréquences f2 et
f3 sont repliées car
fe < 2f2 et fe < 3f1 .

S. ROGNERUD Numérisation et échantillonnage

 Sommaire
Numérisation des signaux analogiques
Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

III.3 Signal périodique

Bilan
Pour un signal périodique, le critère de Shannon est primordial. Il
faut absolument s’assurer de vérifier fe > 2fmax où fmax est la
fréquence de la dernière harmonique sous peine d’observer un
repliement de spectre et de lire des fréquences fictives dans le
spectre du signal.

S. ROGNERUD Numérisation et échantillonnage

 Sommaire
Numérisation des signaux analogiques
Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

III.4 Influence du nombre de points

Influence de N
Dans cette dernière partie, on va fixer la fréquence
d’échantillonnage fe et on va faire varier le nombre de points N
pour observer l’influence de celui-ci. Pour éviter tout repliement,
on s’arrange pour respecter le critère de Shannon.

Exemple
On prend le signal s(t) = 2 cos(2π10t) + 3 cos(2π20t) avec
fe = 50 Hz. On doit donc avoir un pic d’amplitude 2 V pour
f = 10 Hz et un pic d’amplitude 3 V pour f = 20 Hz.

S. ROGNERUD Numérisation et échantillonnage

 Sommaire
Numérisation des signaux analogiques
Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

III.4 Influence du nombre de points

Spectre pour N = 20 points

S. ROGNERUD Numérisation et échantillonnage

 Sommaire
Numérisation des signaux analogiques
Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

III.4 Influence du nombre de points

Spectre pour N = 100 points

S. ROGNERUD Numérisation et échantillonnage

 Sommaire
Numérisation des signaux analogiques
Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

III.4 Influence du nombre de points

Spectre pour N = 1000 points

S. ROGNERUD Numérisation et échantillonnage

 Sommaire
Numérisation des signaux analogiques
Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

III.4 Influence du nombre de points

Bilan
On observe que plus N est grand, meilleure est la résolution en
fréquence. On admettra que le pas de résolution en fréquence ∆f
est inversement proportionnel à la durée totale d’acquisition T0
soit ∆f = T10 . Ainsi, le pas de résolution en fréquence peut aussi
fe
se réécrire ∆f = N . Concrètement, la demi-largeur du pic est de
l’ordre de fe/N. Ainsi, si les fréquences du signal à analyser sont
proches, il conviendra de prendre un nombre de points
suffisamment important pour pouvoir séparer les pics.

S. ROGNERUD Numérisation et échantillonnage

 Sommaire
Numérisation des signaux analogiques
Echantillonnage temporel
Echantillonnage fréquentiel
Bilan

Bilan
Echantillonnage temporel
Dans le cas d’un échantillonnage temporel, on choisira la durée
totale d’acquisition de manière à observer plusieurs périodes du
signal analogique et on choisira la fréquence d’échantillonnage de
manière à respecter le critère de Shannon. On touchera donc
rarement au nombre de points N.

Echantillonnage fréquentiel
Dans le cas d’un échantillonnage fréquentiel pour obtenir le spectre
du signal analogique, on commencera par choisir la fréquence
d’échantillonnage fe de manière à respecter le critère de Shannon
puis on choisira le nombre de points N pour déterminer la
résolution fréquentielle. On touchera donc rarement à la durée
totale d’acquisition.
S. ROGNERUD Numérisation et échantillonnage